AlphaGo核心成员Thore Graepel离开DeepMind，主张以AlphaGo式搜索架构替代大模型思维链来实现真正机器推理

文章重新解释了AlphaGo第37手：策略网络认为这一手很普通，专家人类下出的概率约为万分之一，真正选择它的是搜索机制，即显式构建并搜索包含数千分支的博弈树，权衡各候选着法的未来后果。 流行叙事把第37手当作“纯机器直觉”的闪光，作者作为AlphaGo团队成员指出这是误读，创造性来自推理（搜索）而非直觉。 属于第一手参与者叙述与机制说明，给出策略网络概率量级与博弈树分支规模，但未提供新的实验数据或对照。

文章把AlphaGo类比为Kahneman的双系统理论：神经网络提供直觉（这一手看起来有希望、这个局面看起来赢了），搜索提供审慎（对着法与应手进行检验），两者缺一不可。 将机器架构与行为科学的双系统框架对应起来，为“直觉加审慎”的混合结构提供具体机器实例。 概念类比与机制描述，引用的是既有理论框架，非新实证结果。

文章指出当今大语言模型本质上是逐词元预测，相当于只运行System 1；思维链虽在数学与编程上带来真实收益，但中间推理仍由同一套下一词元预测过程生成，只是迭代更久，并未引入真正独立的推理机制。 把“思维链等于推理”的常见假设区分为“同一过程的延长”与“独立推理机制”，并给出三项具体差距：缺乏显式持久可检查的认知状态、知识与操作知识在权重中纠缠、思维链常是事后编造。 以架构层面的论证为主，引用“研究已表明”聊天机器人常事后编造推理链，但文中未给出具体研究名称、样本或数据。

文章提出替代方案：像AlphaGo维护博弈树那样，通用推理系统应维护一个认知状态，记录已确定、存疑、已排除与仍开放的问题，推理即改变该状态的一系列动作（推导后果、拆分问题、决定下一步问什么、算什么、做什么实验），并由独立组件按“是否真正消解不确定性”评估每一步，仅在证据支持时更新信念。 把AlphaGo的博弈树数据结构推广为开放世界中的认知状态与信念修正机制，并强调可审计性，作者称之为“打了兴奋剂的科学方法”。 属于立场性提案与设计原则，作者同时承认开放世界推理比棋类更难：状态仅部分可知、动作集合大且可变、后果随机或未知；文中未给出原型系统或评测结果。

文章面向的是关心AI可信性与科学发现的读者，尤其是医学、工程与科研等高风险应用场景的从业者。它给出的是一套设计方向而非成品：把AlphaGo的博弈树思路推广为通用推理系统的认知状态，让推理成为可审计的证据、推断与信念修正序列，并借助大语言模型提出解题思路、通过API或代码调用工具、评估主张是否有证据支持。作者明确表示该方案适用于开放世界问题，同时承认开放世界比棋类更难，因此这套思路更适合作为研究与系统设计的起点，而非可直接部署的现成方案。

读者仍需留意：文章对“聊天机器人常事后编造思维链”只以“研究已表明”带过，未给出具体研究、样本或数据，因此这一断言的适用范围需要读者自行追溯原始文献。所提认知状态与独立评估组件的方案没有原型系统、评测指标或与现有方法的对比，其可行性、成本与在部分可观测、随机后果环境中的表现仍是开放问题。此外，文章对“推理”的定义以科学家式标准展开，与工程实践中更宽泛的用法不同，读者在跨语境引用时需注意这一差异。